Lagrange-Multiplikatoren
Ist x
∗eine lokale Extremstelle einer Funktion f : R
n3 D → R auf der durch die Nebenbedingungen g
k(x
1, . . . , x
n) = 0 definierten Menge D, dann existieren Lagrange-Multiplikatoren λ
k∈ R , so dass
grad f (x
∗) = X
k
λ
kgrad g
k(x
∗) .
Dabei wird vorausgesetzt, dass f und die Funktionen g
kin einer Umgebung von x
∗stetig differenzierbar sind und dass die Gradienten grad g
k(x
∗) linear unabh¨ angig sind.
Bei nur einer Nebenbedingung g (x
1, . . . , x
n) = 0 hat die Lagrange-Bedingung die einfache Form
grad f (x
∗) k grad g (x
∗) ,
falls grad g (x
∗) 6= (0, . . . , 0)
t, d.h. die Niveaufl¨ achen von f und g ber¨ uhren
sich an einer Extremstelle x
∗. Dies ist in der Abbildung f¨ ur bivariate
Funktionen veranschaulicht.
Die Lagrange-Bedingung ist nicht hinreichend, um zu entscheiden, ob ein lokales Extremum vorliegt und ob es sich um ein Minimum oder ein Maximum handelt. Dies l¨ asst sich nur mit Hilfe weiterer Informationen feststellen.
Die globalen Extrema erh¨ alt man durch den Vergleich der Funktionswerte an den Punkten, welche die Lagrange-Bedingung erf¨ ullen, sowie
gegebenenfalls den Randpunkten des Definitionsbereichs D oder Punkten
x, an denen die Gradienten grad g
k(x ) linear abh¨ angig sind.
Beweis
n: Anzahl der Variablen, m: Anzahl der Nebenbedingungen g
k(i) m ≥ n:
Der n-Vektor grad f (x
∗) ist immer als Linearkombination der nach Voraussetzung linear unabh¨ angigen Gradienten grad g
k(x
∗) darstellbar.
X
Grund: F¨ ur m ≥ n, besteht die zul¨ assige Menge im Allgemeinen bereits aus diskreten Punkten, die durch die Nebenbedingungen festgelegt sind.
(ii) m < n:
fasse die Nebenbedingungen g
kzu einer Funktion g = (g
1, . . . , g
m)
tzusammen
partitioniere die Variablen als x = (u, v) ∈ R
m× R
n−m, wobei nach eventueller Permutation die Invertierbarkeit der Jacobi-Matrix (∂g (u, v)/∂u)
|(u∗,v∗)= g
u(u
∗, v
∗) vorausgesetzt wird
Satz ¨ uber implizite Funktionen = ⇒ lokale Aufl¨ osbarkeit der Nebenbedingungen
g (u, v) = (0, . . . , 0)
t⇐⇒ u = ϕ(v), (u, v) ≈ (u
∗, v
∗)
Gradient der Funktion v 7→ h(v) = f (ϕ(v), v) Null an einem Extremum, d.h.
grad h(v
∗)
t= f
u(u
∗, v
∗)ϕ
0(v
∗) + f
v(u
∗, v
∗) = (0, . . . , 0)
taufgrund der Kettenregel und mit ϕ
0der Jacobi-Matrix von ϕ
Differenzieren der Nebenbedingungen g (ϕ(v ), v ) = (0, . . . , 0)
t= ⇒ g
u(ϕ(v), v)ϕ
0(v) + g
v(ϕ(v), v) = (0, . . . , 0)
t, d.h.
ϕ
0(v) = −g
u(u, v)
−1g
v(u, v)
Setzen von (λ
1, . . . , λ
m) = f
u(u
∗, v
∗)g
u(u
∗, v
∗)
−1und Einsetzen des Ausdrucks f¨ ur ϕ
0in den Gradienten von h
f
u= λg
u, f
v= −f
u(−g
u−1g
v) = λg
v(u- und v-Komponenten der Lagrange-Bedingung f
0= λg
0im Punkt
(u
∗, v
∗))
Beispiel
Minimierung von
f (x, y ) = y unter der Nebenbedingung
g (x, y) = y
3− x
2= 0 Minimum bei (x
∗, y
∗) = (0, 0)
Die Lagrange-Bedingung (f
x(0, 0), f
y(0, 0)) = λ(g
x(0, 0), g
y(0, 0)) ist nicht erf¨ ullt:
(0, 1) 6= (0, 0) = λ(−2x
∗, 3y
∗2) Grund: grad g (x
∗, y
∗) = (0, 0)
tDie Lagrange-Bedingung ist in singul¨ aren Punkten (kein maximaler Rang
der Jacobi-Matrix g
0der Nebenbedingungen) nicht anwendbar.
Beispiel
Minimierung von f (x, y) = (x − 2)(y − 2) unter der Nebenbedingung g (x, y) = x
2+ y
2− 2 = 0
Lagrange-Bedingung (f
x, f
y)
| {z }
gradf
= (y − 2, x − 2)
=
!λ(2x, 2y) = λ (g
x, g
y)
| {z }
gradg
Die Niveaulinien von f im Punkt (x
∗, y
∗) sind tangential zu der durch die Nebenbedingung g = 0 definierten Kurve.
-2 0 2
-2
-1
0
1
2
Elimination von λ durch Bilden der Differenz yf
x− xf
yin der Lagrange-Bedingung
y(y − 2) − x(x − 2) = 0 ⇐⇒ (y − x)(y + x − 2) = 0 zwei F¨ alle: (i) x = y und (ii) y + x − 2 = 0
Ber¨ ucksichtigung der Nebenbedingung x
2+ y
2− 2 = 0 (x, y) = (1, 1) oder (−1, −1) im Fall (i)
und
x
2+ (2 − x)
2− 2 = 2(x − 1)
2= 0, d.h. ebenfalls (x, y) = (1, 1) im Fall (ii) Existenz von Minimum und Maximum f¨ ur eine stetige Funktion auf einer kompakten Menge (Kreis mit Radius √
2 ) und Vergleich der Funkionswerte
f (1, 1) = 1, f (−1, −1) = 9
= ⇒ f bei (1, 1) minimal
Beispiel
Bestimmung der Extrema der Funktion
f (x, y, z ) = x + 2y − z unter den Nebenbedingungen
g
1(x, y, z ) = x
2+ y
2− 8 = 0, g
2(x, y , z ) = x + z − 4 = 0 (Ellipse: Schnitt eines Zylinders mit einer Ebene)
Jacobi-Matrix der Nebenbedingungen g
0(x, y ) =
grad g
1tgrad g
2t=
2x 2y 0
1 0 1
voller Rang (⇐⇒ lineare Unabh¨ angigkeit der Gradienten) f¨ ur
(x, y) 6= (0, 0); auf zul¨ assiger Menge erf¨ ullt
Lagrange-Bedingung f¨ ur Extremstellen (x, y, z ) (1, 2, −1)
| {z }
gradf
= (λ
1, λ
2)
2x 2y 0
1 0 1
bzw.
1 = 2λ
1x + λ
2, 2 = 2λ
1y , −1 = λ
2Einsetzen von λ
1= 1/y und λ
2= −1 in die erste Gleichung x = y Nebenbedingungen m¨ ogliche Extrema (2, 2, 2) und (−2, −2, 6) Existenz von Minimum und Maximum auf der Ellipse und Vergleich der Funktionswerte,
f (−2, −2, 6) = −12 < 4 = f (2, 2, 2) ,
= ⇒ f ist minimal bei (−2, −2, 6) und maximal bei (2, 2, 2).
Beispiel
Gleichgewichtslage einer an zwei Punkten aufgeh¨ angten Kette mit 2n Kettengliedern der L¨ ange 1
r x1
x2
potentielle Energie unter Ber¨ ucksichtigung der Symmetrie f (x) = −2 x
12
− 2 x
1+ x
22
− · · · − 2
x
1+ · · · + x
n−1+ x
n2
= −a
1x
1− · · · − a
nx
nmit a
k= 2(n − k) + 1
L¨ ange der Kette Nebenbedingung g (x) = r/2 −
n
X q
1 − x
k2= 0
Optimierungsproblem
f → min, g = 0 Lagrange-Bedingungen grad f = λ grad g
−a
k= λ x
kq 1 − x
k2, k = 1, . . . , n Quadrieren und Aufl¨ osen nach x
k= ⇒
a
k2(1 − x
k2) = λ
2x
k2, x
k2= a
2ka
2k+ λ
2Einsetzen in die Nebenbedingung r /2 = P
k
q 1 − x
k2r
2 =
n
X
k=1